Jeff Kofman, Założyciel i Dyrektor Generalny Trint – Wywiad

Jeff Kofman jest założycielem i dyrektorem generalnym Trint. Po 30-letniej karierze w ABC, CBS i CBC News, Jeff zmęczył się tłukąc głową o mur transkrypcji ręcznej i obserwując, jak każda historia niepotrzebnie zatrzymuje się na swojej drodze. W 2014 roku Jeff i zespół deweloperów wykorzystali sztuczną inteligencję do wykonania ciężkiej pracy, i tak powstało Trint.

Dziś Trint to platforma SaaS wykorzystująca sztuczną inteligencję, która idzie poza transkrypcję, aby wesprzeć każdy etap procesu tworzenia treści.

Od transkrypcji do narzędzi edytorskich, współpracy w czasie rzeczywistym do eksportu i publikacji – ułatwiając każdy krok dla redakcji, podcastów, lokalnych firm i globalnych organizacji, aby dzielić się historiami szybciej i łatwiej niż kiedykolwiek.

Miałeś wybitną 30-letnią karierę w ABC, CBS i CBC News, jakie problemy spotkałeś z tradycyjną transkrypcją ręczną?

Doświadczyłem bólu transkrypcji ręcznej każdego dnia jako dziennikarz. Zanim jeszcze miałem pomysł na wynalezienie i zbudowanie Trint, zastanawiałem się, dlaczego nie ma lepszego sposobu.

Transkrypcja ręczna była zawsze wąskim gardłem w moim procesie pracy jako reporter telewizyjny. Wykonywałem wywiady, słuchałem konferencji prasowych, czytałem moje badania, oglądałem materiały filmowe i POTEM… mój producent i ja znikałem w Czarną Dziurę Transkrypcji.

Nie mogłem napisać swojej historii telewizyjnej, dopóki nie miałem dokładnych transkrypcji cytatów lub dźwięków, które chciałem wykorzystać. Musiałem wiedzieć, co powiedzieli i jak długo trwał ten dźwięk. To oznaczało siedzenie w sali projekcyjnej lub przy naszych biurkach z nausznikami na uszach, naciskanie PLAY, potem PAUSE. Potem pisałem kilka słów. Potem PLAY. PAUSE. I powtarzałem. Mogło to trwać godziny. Było to tak nudne. Tak niezbędne.

Trint zostało uruchomione w 2014 roku, możesz opowiedzieć, jak powstał ten pomysł?

Nigdy nie wyobrażałem sobie, że będę facetem od techniki. To się stało przez przypadek.

Miałem nieformalną rozmowę z niektórymi deweloperami oprogramowania, którzy wykonali niektóre podstawowe eksperymenty z dźwiękiem i tekstem (nie transkrypcją) w 2013 roku.

Niewinnie zapytałem: dlaczego nie mogę wykorzystać automatycznej konwersji mowy na tekst, aby transkrybować moje wywiady.

Pamiętam, że jeden z chłopaków zapytał mnie: dlaczego chcesz to zrobić?

Odpowiedziałem: ponieważ transkrypcja ręczna jest bólem w mojej pracy jako reporter, nienawidzę tego.

Utrzymywaliśmy kontakt i robiliśmy niektóre eksperymenty. Szybko stało się jasne, że wymyśliliśmy przyszłość. Rok później opuściłem swoją pracę jako korespondent londyński dla ABC News i zaczęliśmy budować Trint.

Jakie były niektóre wyzwania związane z uruchomieniem usługi transkrypcji w tamtych wczesnych dniach?

Automatyczna transkrypcja to wyraźny problem. Ludzie, którzy nie żyją procesem pracy reporterów i twórców treści, nie mają pojęcia, jak tworzą historie. Pamiętam spotkanie z bardzo bogatymi aniołami inwestorami we wczesnych dniach i oni po prostu nie mogli zrozumieć, dlaczego reporterom jak ja potrzebne są transkrypcje. To zajęło sporo wyjaśnień, aby im powiedzieć, jak reporter pracuje.

Myślę, że jest to teraz łatwiejsze. Wszyscy jesteśmy twórcami treści.

Jakie różne algorytmy uczenia maszynowego są obecnie wykorzystywane w Trint?

Mamy bardzo inteligentną grupę inżynierów i naukowców, którzy ciągle eksperymentują z tym, co tylko mogą, i gdzie tylko ich wyobraźnia ich prowadzi. Jak rozumiesz, naszym celem jest to, aby automatyczna transkrypcja przyspieszyła procesy pracy dla naszych klientów medialnych, co oznacza, że zawsze pracujemy nad mową, mówcami, językami i akustyką. Algorytmy NLP i przetwarzania mowy są częścią naszej codziennej pracy, ale będziemy badać każdy kreatywny sposób wykorzystania sztucznej inteligencji, aby pomóc dziennikarzom wydobyć informacje z wideo, audio i obrazów. Bogata transkrypcja pozwala nam dać więcej kontekstu ich treści, sprawia, że wszystko staje się bardziej wyszukiwalne i pozwala im znaleźć momenty, które naprawdę mają znaczenie, i wydać je do ich publiczności jak najszybciej.

Jakie języki są obecnie oferowane, a czy są jakieś różnice w jakości transkrypcji między różnymi językami?

Oferujemy około 45 języków, które można transkrybować, i ciągle dodajemy nowe. Niektóre są w “beta”, a inne są znacznie bardziej dojrzałe, co zależy od wielkości zestawów danych szkoleniowych, które pomagają budować modele. Ciągle mierzymy dokładność naszych modeli dla każdego języka, aby ciągle rozwijać nasze modele i poprawiać ich wydajność.

Ciągle patrzymy, jakie nowe modele stają się dostępne, aby zobaczyć, czy możemy je wprowadzić do naszego bezpiecznego środowiska ASR.

Ale to nie tylko o językach, które transkrybujemy – nasi klienci mogą również mieć ten transkrypt przetłumaczony na prawie każdy język.

Poza transkrypcją Trint to platforma SaaS wykorzystująca sztuczną inteligencję, zaprojektowana do poprawy procesu tworzenia treści, możesz opowiedzieć o niektórych innych narzędziach, które są oferowane?

Chociaż sercem Trint jest nasza transkrypcja wykorzystująca sztuczną inteligencję, to, o co się ubolewamy, to dlaczego te transkrypcje są użyteczne dla naszych użytkowników, i jak możemy im pomóc, aby uzyskali wartość jak najszybciej i najłatwiej. To oznacza, że musimy mieć głębokie zrozumienie ich procesów pracy, abyśmy mogli sprawić, że każdy krok będzie jak najbardziej bezproblemowy.

Ostatecznie chcemy, aby mogli oni uchwycić każdą konferencję prasową, wywiad lub wydarzenie w dowolnym miejscu, o dowolnej porze i w dowolnym języku, i wykorzystać je, zanim się zdarzy. To oznacza, że musimy sprawić, aby było łatwo dla nich lub ich zespołu, aby zweryfikować i wykorzystać transkrypcję na żywo, z sekundą na sekundę.

Nasza aplikacja mobilna sprawia, że może to się zdarzyć, nawet jeśli masz tylko telefon przy sobie, i zapewnia, że wszystko jest przesyłane do twojego zespołu, nawet przy słabym połączeniu.

Nasze Story Builder zostało zaprojektowane, aby pozwolić ci znaleźć kluczowe momenty we wszystkich twoich treściach i przekształcić je w nową narrację, którą można wyeksportować do innych kluczowych narzędzi w twoim procesie tworzenia treści. Niezależnie od tego, czy jest to szkic dla edycji wideo, transkrypcja podcastu czy artykułu. Jeśli potrzebujesz wykorzystać tekst audio jako napisy, nasz edytor współpracy może ci w tym pomóc.

Masz także podcast, który osobiście prowadzisz, zwany StoryTech, który przygląda się, jak technologia kształtuje historie. Czy mógłbyś opowiedzieć, co to jest ten podcast, co słuchacze mogą oczekiwać, i dlaczego powinni go słuchać?

StoryTech to naprawdę przecięcie moich dwóch karier: reporter i wynalazca techniki. Przygląda się, jak technologia i innowacje kształtują sposób, w jaki opowiadamy historie.

Pierwsze odcinki przyglądają się, jak CGI zostało wykorzystane, aby obalić mur lodu w Grze o Tron, i jak wynalezienie kamery 35mm Leica w latach 20. doprowadziło do rozprzestrzenienia się fotojournalistyki i stworzenia magazynu LIFE.

Jestem fascynowany wpływem innowacji na opowiadanie historii. To jest to, czym zajmuje się StoryTech.

Jakie jest twoje wizjonerskie spojrzenie na przyszłość Trint?

To jest wyzwanie, z którym każdy innowator musi się zmierzyć dzisiaj. Jak szybki postęp innowacji otwiera możliwości dla mojego produktu?

Nasi klienci chcą produktu, który tworzy proste, intuicyjne wydajności, które pasują bezproblemowo do ich procesu pracy. To oznacza, że musimy iść znacznie poza transkrypcję.

Trint wykorzysta sztuczną inteligencję, aby robić rzeczy, które były niewyobrażalne kilka lat temu: identyfikować głosy, twarze, nastroje, kontekst, fakty i fałsze. To wszystko będzie działo się w dowolnym języku – tłumacząc z tego języka, zanim zostanie wypowiedziane. Kluczem jest to, aby to zrobić i znacznie więcej w sposób, który integruje się z innymi produktami, tworząc jeden bezproblemowy proces pracy.

Nie widzę Trint jako czegoś, co zastąpi reporterów, pisarzy i twórców treści. To jest o tym, aby wyzwolić ich od monotonnej pracy i pozwolić im skupić się na kreatywności. To jest ekscytujące, próbując wyobrazić sobie przyszłość. Nie będę kłamał: to jest również zastraszające.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Trint lub obejrzeć podcast StoryTech.